1 - 初始能力
让阅读思路清晰连贯，保持在程序的流程架构和逻辑实现上，不被语法、编程技巧和业务流程等频繁地阻碍和打断。
- 语言基础：熟悉基础语法，常用的函数、库、编程技巧等；
- 了解设计模式、构建工具、代码风格；
- 了解业务背景和逻辑；
即便此时，还不具备完全理解代码的能力，但通过接触这些代码，至少可以熟悉项目的样貌。
2 - 工具使用
- Source Insight - 具有强劲的代码浏览和分析功能
- Doxygen - 项目文档工具
- grep命令 - 用于全局搜索
- 利用代码结构分析功能或插件生成UML图
- Python Call Graph - 生成python函数调用关系图
- 代码转换成流程图 - 在线工具
- 浏览器插件Octotree - 直观显示Github项目树形结构
- 浏览器插件Git History - 直观显示Github项目历史记录
- ......
3 - 准备动作
明确问题与需求:
- 为什么要阅读源代码？要解决什么具体问题？要达到怎样的程度和效果？
- 当前状态（初始能力、资源投入等）如何？是否足够支撑开始并完成这样的代码阅读？
- 没有目标和无法完成的阅读，就难以获得实际的收获；
- 对于知名项目，收集规整已有的代码分析资料；
- 确认辅助信息来源：官方文档、项目文档、搜索引擎等；
- 确认代码版本（早期版本或当前能够理解的版本）和编码风格；
- ......
4 - 一些方法和注意事项
“因地制宜，因人而异”。
问题需求、资源投入、项目状态的不同，适用的阅读方法和工具自然也就不同。
直接啃代码的方式适合解决具体的细节问题，简单粗暴，速度快效果好。
但如果想完整而深入地了解一个有规模和难度的项目，又该如何进行呢？
一些方法：
- 阅读“README”；
- 通过查看提交和版本日志，研读所关注的功能和优化；
- 搭建测试环境并运行Demo或示例，观察运行状态，从外部了解核心功能和运行方式，形成总体认知；
- 善用文档：quickstart、tutorial等内容中的示例往往是非常有效的了解途径；
- 整体把握，分层阅读：先整体后局部，借助工具生成UML图或流程图等，从整体了解代码结构和调用关系，确定阅读的层次和顺序；
- 寻找程序入口，根据实际情况确定阅读的切入点；
- 逐行或者逐个函数跟踪变量值；
- 为代码写注释，解释各个函数的使用方法，各个变量的用途，以及任何其它方面的内容，只要能帮助理解代码即可。必要时形成文档；
- 问题列表：记录疑问和问题并归纳成表，解决问题的过程也就是代码逐渐清晰的过程；
- 查看单元测试，编写测试用例，抛异常，Debug所关注的执行过程，观察现象和日志，明确调用关系和执行路径；
- 它山之石，可以攻玉。借鉴代码，解决当前实际问题。
- ......
注意事项：
- 带着问题与需求阅读代码，围绕根本和主干，没有必要通读源码，更不应该沉陷于细节；
- 必要时略过难以理解的地方，不过度纠结于某一行某一段；
- 理解项目作者的思考方式，
- 低头专注代码，抬头思考架构，从整体的角度来看待局部实现的过程；
- ......
5 - 下一步
-
迭代式理解
软件是成长起来的，而不是搭建完成的。
对项目代码的理解，只是当时的理解，受限于当时的技能水平，知识结构，资源投入，甚至是身心状态。
经过一段时间磨砺和成长，回头再阅读同样的项目代码，往往会有新的发现和理解。 -
改善适用性
“学以致用”是获得知识技能的最有效途径之一。
实现自己的需求和想法，最终形成更适合的版本。
在现有“轮子”的基础上去制造“一个更完善轮子”，在这样的二次开发过程中，可以验证代码理解。 -
获得建议与批判
落后的起源是“故步自封”、“自以为是”和“自欺欺人”。
归纳并分享你的理解，会获得更全面更专业更中肯的建议与批判。
争议之中，也恰恰隐含着成长与改变的线索与机遇。
6 - 多余的话
每个人都是某一方面的菜鸟，某一细节的白痴。
It’s not the languages that matter but what you do with them.（编程语言这东西并不重要，重要的是你用这些语言做的事情。）